Книга Дмитрия Садовника — основателя PerformStars
Системы
машинного зрения
Практический взгляд на технологии, опыт и идеи, которые формируют настоящее и будущее машинного зрения.
Первая публикация:
Скачать книгуPDF · 8,8 МБ
Понять, как мы пришли к современному машинному зрению
Эта книга написана, чтобы дать представление о современных технологиях машинного восприятия и погрузить читателя в их технологический контекст. Достижения последнего десятилетия невероятны, но появились они не сами по себе. За ними стоят изобретательность, сотрудничество, осознание новых возможностей и умение обобщать накопленный опыт.
Книга помогает сориентироваться в достижениях машинного зрения, понять, как и откуда оно появилось, и увидеть общую тенденцию к унификации его базовых задач. Историческая перспектива подсказывает, куда движется технический прогресс в области искусственного интеллекта и где он найдёт применение дальше.
От теории к работающим системам
Что даёт эта книга
История развития
Как машинное зрение прошло путь от ранних каскадных классификаторов и локальных дескрипторов до трансформеров и мультимодальных систем.
Инженерная практика
Подходы, которые помогают решать реальные задачи при ограниченных вычислительных ресурсах, несовершенных данных и меняющейся среде.
Разные пути к решению
Почему одна и та же задача — например, трекинг объектов в окклюзиях — может потребовать фильтра Калмана или глобального внимания.
Направление прогресса
Как унификация базовых задач помогает увидеть дальнейшее развитие искусственного интеллекта и перспективы его применения.
В конечном счёте всё сводится к вашей личной мотивации изобретать что-то новое. Поэтому личные примеры и пути людей, которые движутся в общем направлении, имеют большую ценность.
Дмитрий Садовник
Личный опыт автора
Книга практика для практиков
В книге собрано множество примеров из личного опыта разработки систем машинного зрения и общеизвестных инженерных кейсов. Они помогают перейти от сухой теории и математических моделей к пониманию того, как решения работают в реальных условиях.
Это практическое пособие для специалистов, которые решают задачи при строгих ограничениях: от вычислительных ресурсов и качества данных до динамики среды. Палитра проверенных стратегий позволяет не изобретать велосипед, а осмысленно адаптировать известные методы, быстрее внедрять их и повышать надёжность систем.
Для кого
Для тех, кто создаёт системы, работающие за пределами лаборатории
Для инженеров и исследователей машинного зрения, разработчиков прикладных ИИ-систем, студентов технических направлений и всех, кто хочет связать историю дисциплины с сегодняшней практикой — от автономного вождения до анализа спортивных трансляций.
